在scikit-learn中，對於未標記資料的執行聚類需要使用 sklearn.cluster 模組。
每乙個聚類演算法有兩個變數組成：乙個是類，它實現了fit方法從未標記的訓練資料中學習類簇；還有乙個就是函式，該函式的功能就是給它一批訓練資料，它能夠返回與每一批訓練資料相對應的類標的結果的整數集合。對於類來說，基於訓練資料的類標能夠從labels_屬性獲取。
1.1 輸入資料
乙個需要重點關注的事情是，模組中實現的演算法能夠接受不同種類的矩陣作為輸入。所有的這些方法都接收[n_samples, n_features]標準結構的矩陣。
1.2 各種聚類方法的效果
scikit-learn中聚類演算法的對比
method name
parameters
scalability
usecase
geometry (metric used)
k-means
number of clusters
very large n_samples, medium n_clusters with minibatch code
general-purpose, even cluster size, flat geometry, not too many clusters
distances between points
affinity propagation
damping, sample preference
not scalable with n_samples
many clusters, uneven cluster size, non-flat geometry
graph distance (e.g. nearest-neighbor graph)
mean-shift
bandwidth
not scalable with n_samples
many clusters, uneven cluster size, non-flat geometry
distances between points
spectral clustering
number of clusters
medium n_samples, small n_clusters
few clusters, even cluster size, non-flat geometry
graph distance (e.g. nearest-neighbor graph)
ward hierarchical clustering
number of clusters
large n_samples and n_clusters
many clusters, possibly connectivity constraints
distances between points
agglomerative clustering
number of clusters, linkage type, distance
large n_samples and n_clusters
many clusters, possibly connectivity constraints, non euclidean distances
any pairwise distance
dbscan
neighborhood size
very large n_samples, medium n_clusters
non-flat geometry, uneven cluster sizes
distances between nearest points
gaussian mixtures
many
not scalable
flat geometry, good for density estimation
mahalanobis distances to centers
birch
branching factor, threshold, optional global clusterer
large n_clusters and n_samples
large dataset, outlier removal, data reduction.
euclidean distance between points
kmeans演算法通過將訓練樣本分配到n個具有相等方差的組中來聚類資料。它的核心思想是類內方差和最小化。該演算法要求指定具體的類數目。它在大量資料樣本的情況下具有良好的擴充套件性，並且在很多不同領域範圍的應用程式中被應用。
kmeans演算法將乙個包含n個資料樣本的資料集x聚類成具有k個類的集合c，類的集合c由聚類樣本的均值 uj
描述。均值 uj
通常稱為聚類中心。需要注意的是，通常它們不屬於x，儘管他們同屬於同乙個向量空間。kmeans演算法致力於選擇聚類中心，使得如下的公式最小化
下面是一段具體的**：
scikit learn 實戰之非監督學習
非監督學習 英語 unsupervised learning 是機器學習中十分重要的乙個分支。這是實驗課程的第一章節，將帶你了解什麼是非監督學習？並學會用 k means 演算法完成乙個聚類實驗。什麼是非監督學習？籠統來講，它和監督學習是乙個相對的概念。在監督學習的過程中，我們需要對訓練資料打上標籤...
scikit learn 實戰之非監督學習 2
非監督學習 英語 unsupervised learning 是機器學習中十分重要的乙個分支。這是本實驗課程的第 2 章節，將帶你了解如何對聚類效果進行評估。本課程難度為一般，屬於初級級別課程，適合具有 python 基礎和線性代數基礎，並對機器學習中分類問題感興趣的使用者。肘部法則 wget 輪廓...
sklearn實戰之kmeans 聚類
本篇部落格只做個人對kmeans演算法 的案例展示 常規的導包 from ipython.core.interactiveshell import interactiveshell interactiveshell.ast node interactive all import numpy as n...